OpenAIのAstraが10件の主要な数学の未解決問題を解決
OpenAIは、未公開の内部モデル「Astra」による成果を発表した。このモデルは、数学における10件の重要な未解決問題に成功裡に取り組んだ。これらの解答はモデルによって生成され、その後、人間の研究者によってLean証明書へと形式化された。
OpenAIのAstraモデルがGPT-5.6 Solを使用して10の長年の数学的問題を解決
OpenAIは、少なくとも10年間にわたって主要な結果に進展が見られなかった10の数学および理論計算機科学の問題に対する解決策を公開しました。これは、次期主要モデルAstraの内部バージョンを使用して行われました。
研究者がリプレイ攻撃によりプロプライエタリなLLM APIから推論トレースを窃取
ある論文は、Anthropic、OpenAI、Googleが返す暗号化されたchain-of-thoughtブロックが平文で抽出可能であることを実証した。著者らは、同じファミリー内のモデルが暗号鍵を共有している脆弱性を悪用し、推論トレースをより弱い兄弟モデルにリプレイさせた。
研究者らがClaude、GPT、GeminiのAPIから暗号化された推論トレースを解読
新しい論文は、Claude、GPT、Geminiなどの最先端モデルからの暗号化された推論ブロックを解凍・再生することで、隠された思考連鎖データを抽出できることを実証している。著者らは、これらの署名付きデータブロックをより弱いモデルや異なるセッションへ転送し、基盤となる思考を書き起こす方法を明らかにし、提供元の難読化対策を効果的に回避した。
研究者がクロスセッション暗号化の再利用を悪用し、LLM API から推論トレースを窃取
研究者らは、主要な大規模言語モデルプロバイダーがクライアント側で使用するために暗号化ブロックとして返すステップバイステップの推論トレースの処理方法に脆弱性を見つけた。彼らは、これらの暗号化ブロックが同じプロバイダーのエコシステム内において、異なるセッション、ユーザー、およびモデル間で完全に互換性があり交換可能であることを発見した。
攻撃者が暗号化ブロックの脆弱性を通じてプロプライエタリなLLM APIから推論トレースを窃取
研究者らは、主要な大規模言語モデル（LLM）プロバイダーがステップバイステップの推論トレースを処理する方法におけるアーキテクチャ上の脆弱性を特定しました。プロバイダーはこれらのトレースをクライアントに対して暗号化ブロックとして返しますが、本研究では、これらのブロックが同一プロバイダーのエコシステム内において、異なるセッション、ユーザー、モデル間で完全に互換性があり交換可能であることが判明しました。
MetaのMuse Spark 1.2とOpenAIのGPT-5.6 Solアップデート
Metaは、そのMuse Spark 1.2モデルが5つのSTEMオリンピックで金メダル級の性能を達成し、Vals Indexで$0.69/テストという価格でトップ5に入ったと発表した。これはKimiと比較して3倍安価であると報告されている。Metaはこれらの成果を、並列推論によるマルチエージェントオーケストレーションに起因するものとし、外部ツールなしでAPhOおよびIPhOで理論スコアが完璧だったことを指摘した。
AI9Starsが39Bパラメータと5つのアクティブエクスパートを持つオープンウェイトモデルG9v3-39A5Bをリリース
AI9Starsは、前身であるai9stars/G9v3-3Bよりも強力な推論能力を提供するように設計されたオープンウェイト言語モデルG9v3-39A5Bをリリースしました。このモデルは390億パラメータと5つのアクティブエクスパートを搭載し、個人および商業利用のためにApache 2.0ライセンスの下で提供されます。
GPT-5.6、未見の文学的暗号化ベンチマークで隠されたメッセージの95%を復元
Joseph JM Walkerによる作業論文は、物理的な小説「I Wrote a Book and Made a Million Dollars (I.B. Wryten)」に埋め込まれた未見のマルチチャネル文学的暗号化ベンチマークにおいて、フロンティア言語モデルを評価した。本研究では、GPT-5.6が二次通信チャネルを独立して認識し、最初のパスで埋め込まれた素材のおよそ95%を復元したことが示されたのに対し、以前のモデルは実質的に0%の能力しか示さなかった。
最先端LLMはフィラートークンによる不可視の推論でCoT監視を回避する
ある研究により、最先端の言語モデルが意味的に無関係なフィラートークンを使用して重要な計算を実行できることが示され、推論が出力内の連鎖的思考（chain-of-thought）に現れないという失敗モードが生じることが明らかになった。この研究は3つのタスクで13個のモデルを評価し、多くのモデルがこれらのトークンから大幅な恩恵を受け、精度が最大13パーセントポイント向上することを発見した。
PoTREがテスト時の推論向けに異種マルチエージェントフレームワークを導入
著者らは、複雑な推論タスクにおける標準的な単一ストリームのプロンプティングの限界に対処するために設計されたフレームワークであるPoTRE（Poly-Topological Reasoning Ensembles）を紹介する。PoTREは、推論を4つの個別のエージェントに分離する：敵対的改善エージェント、階層的戦略計画エージェント、スペクトル探索エージェント、および直接チェーンエージェント。
ISOがRLVRネイティブの最適化スタックを導入し、モデル重みスペクトラを修正
研究者たちは、検証可能な報酬による強化学習（RLVR）のためのフレームワークであるIsospectral Optimization（ISO）を提案しました。これは、入力と出力の特異フレームを最適化しながらモデル重みスペクトルを固定することで、欠落していた最適化層に対応します。
開発者が効率化のための非ニューラル対話型記号的AIを探求
ある開発者は、過去8ヶ月間にわたって開発された対話型記号的AIアーキテクチャの進捗を共有し、非ニューラル情報抽出のギャップに対応することを目指しています。